深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
10201	2024-08-05	Metabolic Insight into Glioma Heterogeneity: Mapping Whole Exome Sequencing to In Vivo Imaging with Stereotactic Localization and Deep Learning 2024-Jun-16, Metabolites IF:3.4Q2 DOI:10.3390/metabo14060337 PMID:38921472	研究论文	本研究探讨了通过立体定向取样和深度学习将全外显子组测序与体内影像学相结合以了解胶质瘤的异质性。	该研究创新性地结合了立体定向活检和多参数MR成像，利用深度学习方法预测肿瘤的细胞和分子特征变化。	该研究是回顾性研究，样本量较小，仅涉及10名患者。	旨在展示机器学习算法在预测胶质瘤细胞和分子特征变化中的潜力。	研究对象为10名经影像学确认的初治胶质瘤患者。	数字病理学	胶质瘤	全外显子组测序	深度学习模型	影像数据	10名胶质瘤患者
10202	2024-08-05	Residual-Based Multi-Stage Deep Learning Framework for Computer-Aided Alzheimer's Disease Detection 2024-Jun-11, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10060141 PMID:38921618	研究论文	该文章提出了一种基于残差函数的多阶段深度学习框架，用于自动检测阿尔茨海默病。	引入了一种新的多阶段深度神经网络架构，克服了现有阿尔茨海默病检测方法的局限性。	现有方法在训练层次卷积神经网络时性能有限。	开发一个自动阿尔茨海默病检测系统，提升检测准确率。	针对阿尔茨海默病的多阶段深度学习模型。	计算机视觉	阿尔茨海默病	深度学习	CNN	医学图像	三个基准数据集（ADNI1: Complete 1Yr 1.5T, MIRAID 和 OASIS Kaggle）
10203	2024-08-05	PlantSR: Super-Resolution Improves Object Detection in Plant Images 2024-Jun-06, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10060137 PMID:38921614	研究论文	本研究探讨了超分辨率技术在植物图像物体检测中的应用价值	提出了一个名为PlantSR的数据集，并开发了针对植物图像的超分辨率模型，显示出对比一般超分辨率模型的优越性能	研究主要集中于苹果和大豆种子的物体检测，可能不适用于其他植物对象	提升植物图像上物体检测模型的性能	高分辨率植物图像以及苹果计数和大豆种子计数任务	计算机视觉	NA	超分辨率技术	YOLOv7和P2PNet-Soy	图像	1030张高分辨率植物图像
10204	2024-08-05	Developing an Accumulative Assessment System of Upper Extremity Motor Function in Patients With Stroke Using Deep Learning 2024-Jun-04, Physical therapy IF:3.5Q1 DOI:10.1093/ptj/pzae050 PMID:38531775	研究论文	本文开发了一种基于Fugl-Meyer评估的上肢运动功能累积评估系统，以提高评估效率	研究使用深度学习算法利用患者的先前信息来选择个性化评估项目	研究基于现有数据，可能缺乏现场测试的直接验证	旨在提高上肢运动功能评估的管理效率，同时保持足够的心理测量特性	682名中风患者的数据被用于评估和验证新系统	数字病理学	中风	深度学习算法	NA	数据集	682名中风患者
10205	2024-08-05	Applications of Artificial Intelligence in Prostate Cancer Care: A Path to Enhanced Efficiency and Outcomes 2024-Jun, American Society of Clinical Oncology educational book. American Society of Clinical Oncology. Annual Meeting DOI:10.1200/EDBK_438516 PMID:38935882	评论	这篇文章综述了人工智能在前列腺癌护理中的应用进展	文章探讨了人工智能与前列腺癌管理相结合的新方法，特别是在早期干预、药物发现和临床决策中的应用	未提及研究的具体局限性	旨在全面回顾人工智能在前列腺癌护理中的当前应用状态	前列腺癌患者的护理过程，包括早期干预到幸存者护理	人工智能	前列腺癌	深度学习，机器学习	深度学习模型	影像数据，病理数据	NA
10206	2024-08-05	Spectrometer-Less Remote Sensing Image Classification Based on Gate-Tunable van der Waals Heterostructures 2024-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202309781 PMID:38610112	研究论文	本论文提出了一种基于门可调范德瓦尔斯异质结构的无光谱仪遥感图像分类方法	创新性地利用可调节的广谱光电探测器，在没有原始高光谱反射数据的情况下，利用深度学习算法实现了高准确度的图像分类	当前方法在实际应用中可能受到材料和器件制造技术的限制	研究遥感技术中光谱仪的微型化和成本效益	构建一种基于GaTeSe/WSe的二维范德瓦尔斯异质结的光电探测器	计算机视觉	NA	NA	深度学习算法	高光谱图像	6个常见的高光谱数据集
10207	2024-08-05	Deep learning-based image reconstruction for the multi-arterial phase images: improvement of the image quality to assess the small hypervascular hepatic tumor on gadoxetic acid-enhanced liver MRI 2024-Jun, Abdominal radiology (New York) DOI:10.1007/s00261-024-04236-5 PMID:38512517	研究论文	本研究评估了深度学习图像重建对小型高血管性肝肿瘤的多动脉期MRI的影响	引入深度学习技术以改善多动脉期肝MRI的图像质量	研究样本量较小且为回顾性研究，可能存在选择偏倚	研究旨在评估深度学习重建对肝MRI图像质量的影响	55名成人患者，均为小型高血管性肝肿瘤患者	数字病理学	肝癌	深度学习	NA	影像	55名患者
10208	2024-08-05	Deep learning-assisted detection and segmentation of intracranial hemorrhage in noncontrast computed tomography scans of acute stroke patients: a systematic review and meta-analysis 2024-Jun-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001266 PMID:38489547	meta-analysis	本系统评价和荟萃分析研究了深度学习在非对比CT扫描急性中风患者颅内出血的检测和分割中的应用	提出了一系列深度学习算法，其表现与经验丰富的临床医生在出血病灶识别、分割和量化方面相当，但效率更高且成本更低	未来需要进行多中心随机对照临床试验以验证这些工具的性能	研究深度学习技术在急性中风患者颅内出血检测和分割中的有效性	对36项有关深度学习技术在颅内出血检测和分割中的应用进行荟萃分析的研究	医学影像学	急性中风	深度学习	NA	图像	36项原始研究
10209	2024-08-05	Deep learning approach for cardiovascular disease risk stratification and survival analysis on a Canadian cohort 2024-Jun, The international journal of cardiovascular imaging DOI:10.1007/s10554-024-03100-3 PMID:38678144	研究论文	本文探讨了深度学习在心血管疾病风险分层和生存分析中的应用	采用深度学习模型预测颈动脉斑块特征对冠状动脉疾病和心血管事件的影响，且表现优于传统机器学习模型	研究样本仅限于459名接受过冠状动脉造影和其他影像学检查的个体	旨在评估颈动脉斑块特征对心血管事件预测的有效性	459名接受了心脏介入检查的个体	机器学习	心血管疾病	深度学习	多种深度学习模型	医学影像数据	459名参与者
10210	2024-08-05	Noninvasive diagnosis of liver cirrhosis: qualitative and quantitative imaging biomarkers 2024-Jun, Abdominal radiology (New York) DOI:10.1007/s00261-024-04225-8 PMID:38372765	综述	该文章总结了用于非侵入性肝硬化诊断的定性和定量影像生物标志物	引入了放射组学和深度学习，进一步提高了诊断准确性并降低了主观性	尚未在临床实践中应用的定量影像特征仍需进一步研究	探讨非侵入性肝硬化诊断及肝功能与预后评估的影像生物标志物	各种基于超声、CT和MRI的定性与定量影像生物标志物	数字病理	肝硬化	超声弹性成像、MR弹性成像	深度学习	影像	NA
10211	2024-08-05	Deep learning denoising reconstruction enables faster T2-weighted FLAIR sequence acquisition with satisfactory image quality 2024-Jun, Journal of medical imaging and radiation oncology IF:2.2Q2 DOI:10.1111/1754-9485.13649 PMID:38577926	研究论文	本文探讨了深度学习重构技术在T2加权FLAIR序列成像中缩短MRI采集时间的效果及其图像质量的影响	首次评估了一种商业化的深度学习重构技术在脑部MRI中对扫描时间的影响	使用该技术时，出现了更高的相位伪影和伪病灶，可能影响阅读效率和诊断信心	评估深度学习重构技术在2D T2加权FLAIR脑部图像中的实用性	47名接受常规脑部MRI检查的参与者	医学影像学	NA	深度学习重构	NA	图像	47名参与者
10212	2024-08-05	Two-Stage Deep Learning Model for Diagnosis of Lumbar Spondylolisthesis Based on Lateral X-Ray Images 2024-06, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2024.04.025 PMID:38608811	研究论文	本研究旨在利用两阶段深度学习模型提高早期腰椎滑脱的诊断准确性	本研究提出了结合YOLOv8算法的Res-SE-Net模型进行腰椎滑脱的高效可靠诊断	未提及具体的优势或不足之处	改善临床对早期腰椎滑脱的诊断能力	2424份来自北京同仁医院的腰椎侧位X光影像	数字病理学	NA	深度学习	YOLOv8和Res-SE-Net	影像	2424个腰椎侧位X光片
10213	2024-08-05	Detection of urinary tract stones on submillisievert abdominopelvic CT imaging with deep-learning image reconstruction algorithm (DLIR) 2024-Jun, Abdominal radiology (New York) DOI:10.1007/s00261-024-04223-w PMID:38470506	研究论文	本文评估了使用深度学习图像重建算法在超低剂量腹盆腔CT中检测尿路结石的诊断性能和图像质量	提出了一种基于深度学习的图像重建方法，显著提高了尿路结石的检测性能和图像质量，同时减少了辐射剂量	样本量相对较小，仅包含57名患者，可能会影响结果的普遍适用性	评估超低剂量腹盆腔CT在尿路结石中的诊断性能和图像质量	57名疑似尿路结石的患者	医学影像学	尿路结石	深度学习图像重建（DLIR）	NA	影像	57名患者，检测到266个结石
10214	2024-08-07	Deep learning for 3D biliary anatomy for living liver donor hepatectomy planning 2024-Jun-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000001274 PMID:38446840	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10215	2024-08-05	SF-Transformer: A Mutual Information-Enhanced Transformer Model with Spot-Forward Parity for Forecasting Long-Term Chinese Stock Index Futures Prices 2024-May-30, Entropy (Basel, Switzerland) DOI:10.3390/e26060478 PMID:38920487	研究论文	本文介绍了一种将金融理论与深度学习相结合的新型SF-Transformer模型，用于提高中国股指期货的长期价格预测准确性	本文首次提出将即期-远期平价理论与变压器模型相结合的方法，以实现对股指期货价格更准确的长期预测	研究可能受到股票市场动态性和波动性的影响，具体有效性和适用性需在更广泛的数据集上验证	提升中国股指期货市场长期价格预测的准确性和风险管理	对中国主要股指期货价格进行预测的案例研究	机器学习	NA	深度学习	变压器模型	时间序列数据	研究涵盖了28天的短期和长期预测的多个股指期货价格
10216	2024-08-05	View-Driven Multi-View Clustering via Contrastive Double-Learning 2024-May-29, Entropy (Basel, Switzerland) DOI:10.3390/e26060470 PMID:38920479	研究论文	本论文提出了一种基于对比双重学习的视野驱动的多视图聚类方法	该方法结合了视野驱动方法和双重对比学习，以平衡视图之间的一致性和多样性	没有具体提及该方法在特定应用场景的局限性	旨在生成更好的聚类结果	涉及多个视图的数据集	机器学习	NA	对比学习	NA	数据集	三个数据集的实验结果
10217	2024-08-05	A TCN-Linear Hybrid Model for Chaotic Time Series Forecasting 2024-May-29, Entropy (Basel, Switzerland) DOI:10.3390/e26060467 PMID:38920477	研究论文	本文提出了一种新型混合网络TCN-Linear，用于混沌时间序列预测	引入了一种新的混合模型，结合了时间卷积网络和线性预测，优化了长时间序列预测的能力	研究中可能未考虑其他混合模型的比较	评估新模型在时间序列预测中的有效性	经典混沌系统和真实世界股市数据	机器学习	NA	时间卷积网络	TCN-Linear	时间序列	三个经典混沌系统和实际股市数据
10218	2024-08-05	Point Cloud Quality Assessment Using a One-Dimensional Model Based on the Convolutional Neural Network 2024-May-27, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging10060129 PMID:38921606	研究论文	本文提出了一种基于深度学习的无参考方法来评估三维点云的质量	采用1D卷积神经网络进行三维点云质量评估，并通过转移学习提取高级特征	未提及具体的限制因素	旨在提高三维点云质量评估的可靠性和效率	三维点云及其几何和感知属性	计算机视覺	NA	深度学习	1D CNN	点云数据	多个数据集，包括SJTU_PCQA和WPC
10219	2024-08-05	TP-LMMSG: a peptide prediction graph neural network incorporating flexible amino acid property representation 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae308 PMID:38920345	研究论文	本文章开发了一种新的图深度学习模型TP-LMMSG，用于生物活性肽的预测	TP-LMMSG模型提供了轻量级和易于部署的优点，并在AMP、AVP和ACP的预测性能上超越了其他最先进的模型	目前文章未提及具体的局限性	旨在改进生物活性肽的注释性能	研究对象为抗菌肽（AMP）、抗病毒肽（AVP）和抗癌肽（ACP）	机学习	抗癌肽相关	图神经网络	图深度学习模型	NA	多个实验验证的数据集
10220	2024-08-05	Hierarchical multimodal self-attention-based graph neural network for DTI prediction 2024-May-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae293 PMID:38920341	研究论文	提出了一种基于层次多模态自注意力的图神经网络HMSA-DTI，用于药物-靶标相互作用的预测	HMSA-DTI通过层次多模态自注意力机制实现药物和蛋白质特征的深度融合，同时考虑了模态内和模态间的交互	现有的多模态模型在特征融合方面能力有限，影响了药物-靶标相互作用的预测准确性	提高药物-靶标相互作用的预测准确性和效率	药物及其SMILES表示、药物分子图、蛋白质序列和蛋白质2-mer序列	计算机视觉	NA	NA	图神经网络	多模态数据	五个基准数据集的多重评估指标